Professional Documents
Culture Documents
INTELIGENCIA ARTIFICIAL
INDICE
RESUMEN .................................................................................................................................................... 3
INTRODUCION............................................................................................................................................. 3
1.
1.2.
3.
CONCLUSIONES .......................................................................................................................... 23
4.
RECOMENDACIONES .................................................................................................................. 23
5.
BIBLIOGRAFIA .............................................................................................................................. 24
WEB SITES ............................................................................................................................................. 24
El presente artculo est centrado en analizar ms a fondo la inteligencia artificial con sus diferentes
paradigmas, siendo los ms relevantes las redes neuronales, algoritmos genticos, sistemas de lgica
difusa, autmatas programables y sistemas de inteligencia artificial hbridos, con sus diferentes
aplicaciones en la vida cotidiana y especficamente aplicados a las soluciones de problemas relacionados
con la gerencia empresarial.
Se considera que la gerencia empresarial en nuestros das puede estar muy apoyada en las nuevas
tecnologas, como es la inteligencia artificial ya sea como soporte para una toma de decisiones ms eficaz
o en la ayuda de labores, tareas, que exijan gran demanda de tiempo o representen un alto grado de
peligrosidad al ser humano.
La Inteligencia Artificial
[1]
En la actualidad Laundon, K. & Laundon, J (2004), definen a la Inteligencia Artificial como el esfuerzo de
desarrollar sistemas basados en computadora que se pueden comportar como los humanos con la
capacidad de aprender lenguajes naturales, efectuar tareas fsicas coordinadas, utilizar un aparato
perceptor y de emular la experiencia y la toma de decisiones.
1.2.
[3]
[4]
La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada
principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en mquinas
que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de palabras y
aprendizaje de mquinas; sistemas computacionales expertos.
[7]
Los sistemas expertos , que reproducen el comportamiento humano en un estrecho mbito del
conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e
indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los que
configuran complejos equipos de alta tecnologa. Tales tareas reducen costos, reducen riesgos en la
manipulacin humana en reas peligrosas, mejoran el desempeo del personal inexperto, y mejoran
el control de calidad sobre todo en el mbito comercial.
Percepcin
Sistemas Expertos
Robtica
[8]
(1996) la
Inteligencia Artificial constituye una de las lneas de actuacin futura ms prometedoras, con
posibilidades de aplicacin tanto en el mbito de la investigacin como en el diseo de sistemas de
informacin inteligentes, que no solamente proporcionen datos al decisor sino que recomienden el
mejor curso de actuacin a seguir.
De entre todos los paradigmas y estrategias de la Inteligencia Artificial, actualmente dos tienen el
mayor inters para las aplicaciones en la empresa: los sistemas expertos y las redes neuronales
[9]
artificiales . Estos sistemas se pueden combinar, por lo que una solucin prctica es utilizar
sistemas mixtos que incorporan un mdulo de sistema experto con sus reglas junto a otros mdulos
neuronales y estadsticos.
hizo Simon
[10]
[12]
, Martn Marn
[13]
fenmeno del fracaso empresarial, por lo que a priori no es posible establecer qu variables
financieras ni qu valores en las mismas determinan la futura solvencia o insolvencia de una firma.
Debido a lo anterior, el estudio de la solvencia implica una investigacin selectiva dentro de un
espacio de alternativas inmenso pues, como se ha comentado, no existe un procedimiento que
conduzca de forma inequvoca a la solucin ptima. Por lo tanto, la seleccin ha de estar basada en
reglas prcticas o heursticas
[14]
cuando las soluciones encontradas son satisfactorias. Todo ello concuerda plenamente con el
paradigma de la racionalidad limitada, que gobierna los procesos de decisin en el mbito
econmico. Ese anlisis heurstico se ha implementado tradicionalmente a travs de la aplicacin de
tcnicas estadsticas, tales como el anlisis multidiscriminante lineal o los diversos modelos de
variable de respuesta cualitativa (logit, probit, etc.).
Sin embargo todas estas tcnicas presentan limitaciones, pues parten de hiptesis ms o menos
restrictivas, que por su propia naturaleza la informacin econmica, y en especial los datos extrados
de los estados financieros de las empresas, no van a cumplir, perjudicando as los resultados
[15]
La aplicacin de tcnicas procedentes del campo de la Inteligencia Artificial surge como un intento
de superar esta limitacin, pues estas ltimas no parten de hiptesis preestablecidas y se enfrentan
a los datos de una forma totalmente exploratoria, configurndose como procedimientos
estrictamente no paramtricos.
En los epgrafes restantes se revisan las aplicaciones al campo del anlisis de la solvencia de los
diversos sistemas de Inteligencia Artificial. Las principales diferencias entre las mismas radican en la
forma en la que abordan el proceso de elicitacin, que es la fase en la cual se extrae el conocimiento
de las fuentes elegidas y, en este sentido, OLeary
[16]
Al igual que para desarrollar un sistema de informacin convencional existen varias metodologas de
desarrollo como la Ingeniera de la Informacin, tendencias estructuradas y orientadas a objetos, as
existen varias metodologas para desarrollar un sistema experto. Como ya sabemos el rea de sistemas
expertos es relativamente joven por lo cual no se dispone de una nica metodologa sino que cada autor
propone una de acuerdo a su forma de desarrollo. Sin embargo existen algunas que han tenido xito mas
que otras lo cual ha llevado a su mayor difusin.
Aqu solo mencionaremos algunas y mostraremos un esquema general de la metodologa con la cual
trabajaremos nosotros.
Metodologa de Buchanan
Metodologa de Grover
Metodologa de Brule
Metodologa KADS
Estas son solo algunas encontradas en la bibliografa revisada. Para nuestro caso nosotros trabajaremos
con la Metodologa de Ingeniera del Conocimiento de Jhon Durkin, de la cual se muestra una breve
descripcin a continuacin:
Fase 1
Evaluacin
Reformul
acin
Requerimiento
Fase 2
Exploraciones
Adquisicin del
conocimiento
Conocimiento
Fase 3
Requerimientos
Diseo
Estructura
Fase 4
Prueba
Evaluacin
Fase 5
Documentacin
Producto
Fase 6
Mantenimiento
FASE 1: EVALUACIN
1.1 Motivacin para el Esfuerzo.
1.2 Identificar problemas candidatos.
1.3 Estudio de viabilidad.
1.4 Anlisis de Costo/Beneficio.
1.5 Seleccionar el mejor proyecto.
1.6 Escribir el proyecto propuesto.
FASE 3: DISEO
3.1 Seleccionar Tcnica de Representacin del Conocimiento.
3.2 Seleccionar Tcnica de Control.
3.3 Seleccionar Software de Desarrollo de Sistema Experto.
3.4 Desarrollo de Prototipo.
3.5 Desarrollo de Interfase.
3.6 Desarrollo del Producto.
FASE 4: PRUEBAS
4.1 Validacin del Sistema.
4.2 Evaluacin de la Prueba/Evaluacin.
FASE 5: DOCUMENTACIN
5.1 Relacin de temas que deben ser documentados.
5.2 Organizacin de la documentacin.
5.3 Documentacin Impresa.
5.4 Documentacin en hipertexto.
5.5 Reporte Final
FASE 6: MANTENIMIENTO
6.1 Modificaciones probables del sistema.
6.2 Responsables de mantenimiento.
6.3 Interfaces de documentacin del mantenimiento
A continuacin se detallan cada una de las fases de desarrollo de un sistema experto de acuerdo
con Jhon Durkin:
El anlisis envuelve el estudio de las piezas clave del conocimiento destapado durante la tarea de
interpretacin. Este esfuerzo proporciona la visin de formar las teoras en la organizacin del
conocimiento y estrategias de solucin de problemas.
El diseo es la tarea de preparacin para el siguiente encuentro con el experto. Siguiendo la realizacin
de las tareas anteriores, se forma una nueva comprensin del problema. Este esfuerzo puede haber
expuesto nuevos conceptos que necesitan exploracin extensa. Las tcnicas de extraccin del
conocimiento son entonces escogidas para obtener esta informacin durante la prxima reunin.
Problemas con adquisicin de Conocimiento
Existen muchos problemas con la adquisicin del conocimiento que hacen de esta una tarea difcil.
Muchos de estos problemas puede remontarse a la dificultad en extraer conocimiento del experto.
Sin premeditacin de conocimiento.- A travs de la experiencia resolviendo un problema, un experto a
menudo compila el conocimiento de la solucin del problema en una forma compacta, la cual permite una
solucin eficiente del problema. Si el experto es preguntado para describir su mtodo de solucin de
problemas, l a menudo har saltos mentales sobre problemas importantes.
Incapacidad para verbalizar el conocimiento.- Muchas tareas son difciles de verbalizar debido a que
ellas fueron aprendidas mirando a otros individuos ejecutando estas tareas. Los esfuerzos de la labor
manual representan este tipo de tareas.
Proveer conocimiento irrelevante .- Muchas sesiones de extraccin pueden ser sostenidas con el
experto durante el proyecto. Despus de un tiempo, la cantidad de informacin recolectada puede estar
agobiando. Para hacer la materia mucho peor, mucha de esta informacin puede ser irrelevante para el
proyecto. La tarea es filtrar a travs de toda esta informacin y escoger slo los problemas importantes.
fcilmente corregida. Sin embargo, si ocurre porque el experto es inconsciente del conocimiento usado,
(problema de compilacin) el desafo puede ser mayor.
Tcnica de entrevista
La tcnica de obtencin del conocimiento ms comn utilizada hoy en da en el diseo de sistemas
expertos es el mtodo de la entrevista. Esta tcnica envuelve una interaccin directa entre el experto y el
ingeniero del conocimiento, donde las preguntas son dadas para destapar el conocimiento. Para hacer
este productivo esfuerzo, la entrevista debe ser efectivamente manejada.
El manejo de la entrevista propiamente requiere que varios puntos sean dirigidos. Algunos de los bsicos
relacionan a los artculos como preparar la agenda, horario de la sesin, y preparar una lista de
materiales. Otros problemas son ms intangibles, pero importantes para el esfuerzo. Saber cmo
empezar, conducir y terminar efectivamente la entrevista son consideraciones importantes para adquirir la
informacin deseada y para mantener la cooperacin de los miembros del equipo. Tambin es importante
saber cmo hacer las preguntas de una manera que proporcionar la informacin deseada.
Existen diferentes tcnicas de entrevistas para ganar tipos ciertos de conocimiento y para evitar algunos
problemas tpicos asociados con la extraccin del conocimiento.
Anlisis de Conocimiento
Siguiendo la entrevista, la informacin recolectada necesita ser analizada. Los objetivos de este esfuerzo
son determinar qu fue aprendido y que problemas adicionales debe seguirse.
Normalmente una trascripcin es primero hecha de una grabacin de la sesin. Esta trascripcin es luego
revisada para identificar las piezas clave del conocimiento, conceptos, reglas, etc. Estas piezas de
conocimiento son luego analizadas para formar teoras en su organizacin y cmo ellas relacionan a lo
que ya es conocido sobre el problema. Tambin se agregan estas piezas de conocimiento a la
documentacin del proyecto de una manera discutida despus en este captulo.
Un alcance que puede ayudar a analizar el conocimiento recolectado es grabar la informacin recolectada
grficamente. Las representaciones grficas en la forma de mapas de concepto, redes de inferencia,
diagramas de flujo y rboles de decisin pueden ser de valor particular.
FASE 3: DISEO
Esta tarea comienza con la seleccin de la tcnica de representacin del conocimiento y la estrategia de
control. Es seguida con la seleccin de una herramienta de software que rene mejor las necesidades del
problema. Un sistema prototipo pequeo es luego construido para validar el proyecto y para proporcionar
una gua para el trabajo futuro. El sistema es
encontrar los objetivos del proyecto. Este proceso es estructurado de acuerdo a las siguientes tareas:
Tarea 1: Seleccionar Tcnica de Representacin del Conocimiento
Tarea 2: Seleccionar Tcnica de Control
Tarea 3: Seleccionar Software de Desarrollo de Sistema Experto
Tarea 4: Desarrollo de Prototipo
Tarea 5: Desarrollo de Interfase
Tarea 6: Desarrollo del Producto
representacin de conocimiento y las tcnicas de control que se emplearon. El resultado de este esfuerzo
se muestra en el siguiente esquema:
Tabla N 9: Tipo de problema versus inferencia y Representacin de Conocimiento
TIPO DE PROBLEMA VERSUS INFERENCIA Y REPRESENTACIN
DE CONOCIMIENTO
TIPO DE
HACIA ATRS
CONTROL
DISEO
DIAGNSTICO
REPRESENTACIN DEL
CONOCIMIENTO
INFERENCIA
BAJO
BAJO
ALTO
HACIA ADELANTE
ALTO
ALTO
BAJO
INFERENCIA
REGLAS
FRAMES
INDUCCIN
ALTO
AVG.
BAJO
ALTO
BAJO
BAJO
ALTO
MEDIO
MEDIO
REPRESENTACIN DEL
CONOCIMIENTO
TIPO DE PROBLEMA
HACIA ATRS
INSTRUCCIN
INTERPRETACIN
SEGUIMIENTO
PLANIFICACIN
PREDICCION
ALTO
MEDIO
BAJO
BAJO
MEDIO
HACIA ADELANTE
MEDIO
ALTO
ALTO
ALTO
ALTO
REGLAS
FRAMES
ALTO
ALTO
ALTO
ALTO
ALTO
MEDIO
BAJO
MEDIO
MEDIO
BAJO
INDUCCIN
BAJO
BAJO
BAJO
BAJO
ALTO
PRESCRIPCIN
SELECCIN
MEDIO
ALTO
MEDIO
BAJO
ALTO
ALTO
BAJO
BAJO
BAJO
MEDIO.
un sistema
experto. Ellos van desde los lenguajes de programacin bsicos hasta los de desarrollo de alto nivel
(SHELLS).
versin
Deben definirse las caractersticas tcnicas de la interfaz al principio del proyecto con la cooperacin del
usuario. El desarrollo de la interfaz debe empezar con el desarrollo del prototipo del sistema experto.
Las claves para un diseo eficaz de la interfaz son:
Consistencia
Claridad
Control
Colores de la pantalla
establecer las nuevas metas o cargar otras bases de conocimiento sobre la base de la informacin
descubierta.
Aunque usted puede empezar con una sola opcin de encadenamiento dirigido hacia atrs o adelante,
usted puede encontrar una necesidad de cambiar entre ellos. Esta situacin normalmente ocurre si el
problema involucra varias tareas algunos de los cuales pueden manejarse bien por una de las tcnicas de
la inferencia. Cuando esto ocurre, usted debe estructurar varias bases de conocimiento, cada uno con su
propia tcnica de inferencia.
FASE 4: PRUEBA
Conforme prosigue el proyecto el sistema experto necesitar ser probado y evaluado peridicamente
para asegurar que su performance est convergiendo hacia las metas establecidas. Deben tomarse las
decisiones en que se probar, cmo y cundo las pruebas se dirigirn, y quin ser involucrado en las
pruebas. Es importante que estas decisiones se tomen temprano, en un momento cuando las metas del
proyecto originales se establecen.
El proceso de la evaluacin se preocupa ms por la aprobacin del sistema y aceptacin del usuario.
FASE 5: DOCUMENTACIN
Como un proyecto de sistema experto maduro, la cantidad de conocimiento recolectado del experto crece.
Despus de un tiempo, debe encontrar la cantidad de informacin abrumadora. Para manejar esta
situacin, tendr que decidir temprano sobre algn mtodo para documentar efectivamente esta
informacin.
Si est propiamente diseado, esto tambin servir para las siguientes tareas de mantener el sistema y
escribir el reporte final del proyecto.
Qu necesita ser documentado?
Durante un proyecto de sistema experto, la informacin que usted necesita para retener y grabar en la
documentacin sirve para tres propsitos primarios:
Durante el esfuerzo de desarrollo, se necesitar volver a menudo a esta documentacin para grabar la
nueva informacin o estudiar previamente la informacin descubierta. Desde que muchos proyectos
requieren un reporte final de proyecto, la informacin grabada en la documentacin sirve como una fuente
valiosa para este esfuerzo. Siguiendo el despliegue del sistema experto, el sistema necesitar ser
mantenido. Para acomodar cada uno de estos esfuerzos, debe documentar lo siguiente:
Conocimiento
Grficos de conocimiento
Cdigo fuente
Pruebas
Transcripciones
Reportes.
FASE 6: MANTENIMIENTO
Muchos sistemas expertos contienen conocimiento que est evolucionando con el tiempo. La
organizacin que usa el sistema puede adquirir nuevos productos y equipos, o cambiar procedimientos
para trabajar con los recursos existentes. Este cambio declara modificaciones apropiadas requeridas al
sistema.
Conforme es usado el sistema experto, las deficiencias pueden tambin ser descubiertas. Los usuarios
pueden encontrar dificultad para usar el sistema, o pueden descubrir omisiones. Mantener cualquier tipo
de software puede ser costoso.
Dada la probabilidad de que necesita cambios el sistema y sus costos asociados, necesita ser establecido
un programa de mantenimiento efectivo para cada proyecto de sistema experto. Los usuarios necesitan
un camino para reportar problemas que ellos encuentran, y los individuos con habilidades de ingeniero de
conocimiento deben estar disponibles para hacer los cambios. Debe adems haber una manera para
manejar el esfuerzo del mantenimiento para asegurar que la tarea se logre efectivamente.
Los mayores temas a considerar al reunir un programa de mantenimiento de sistema experto son:
Documentacin
Estructura Modular
Meta Reglas
Habilidades de programacin
Utilidades de modificacin
Acuerdo de mantenimiento
Los expertos han concebido una serie de tecnicismos para que lo incomprensible resulte algo ms
comprensible. As a nuestro sistema para almacenar informacin se lo llama memoria asociativa.
Esta expresin quiere dar a entender que los humanos no memorizan los datos diseccionndolos en
celdillas, sino por asociacin de ideas; esto es, interrelacionando contenidos, significados, modelos.
En todo el mundo pero sobre todo en Estados Unidos y Japn, cientficos expertos tratan de dar con
la clave de la memoria asociativa. Si se consiguiera construir un chip de memoria segn el modelo
humano, la ciencia dara un paso gigante en la fascinante carrera hacia la inteligencia artificial. Y
adems el bagaje del saber humano quedara automticamente enriquecido.
[45]
momento del nacimiento conforme pasa el tiempo se vuelven inactivas, aunque pueden morir
masivamente.
Nuestro rgano de pensamiento consume 20 Vatios/hora de energa bioqumica
[46]
, lo que
corresponde a una cucharada de azcar por hora. Los ordenadores domsticos consumen una
cantidad semejante. Las necesidades de oxigeno y alimento es enorme en comparacin con el resto
del cuerpo humano: casi una quinta parte de toda la sangre fluye por el cerebro para aprovisionar de
oxigeno y nutrieres. La capacidad total de memoria es difcil de cuantificar, pero se calcula que ronda
entre 10 12 y 10 14 bits.
La densidad de informacin de datos de un cerebro todava no se ha podido superar artificialmente y
en lo que se refiere a velocidad de transmisin de datos, a pesar de la lentitud con que transmite
cada impulso aislado, tampoco esta en desventaja, gracias a su sistema de proceso en paralelo: la
informacin recogida por un ojo representa 10 16 bits por segundo.
Segn todos los indicios el cerebro dispone de dos mecanismos de almacenamiento de datos: la
memoria intermedia acepta de cinco a diez unidades de informacin, aunque solo las mantiene
durante algunos minutos. La memoria definitiva guarda las informaciones para toda la vida, lo que no
significa que nos podamos acordar siempre de todo. La memoria inmediata trabaja como una
espacie de cinta continua: la informacin circula rotativamente en forma de impulsos elctricos por
los registros. El sistema es comparable a la memoria dinmica de un ordenador, en la que la
informacin tiene que ser refrescada continuamente para que no se pierda. En cambio, la memoria
definitiva parece asemejare mas bien a las conocidas memoria de celdillas de los ordenadores. Se
cree que esta memoria funciona gracias a formaciones qumicas de las protenas presentes en el
cerebro humano.
Cerebro
Computadora
Dentro del mbito de las Ciencias de la Computacin la Inteligencia Artificial es una de las reas que
causa mayor expectacin, incluso dentro de la sociedad en general, debido a que la bsqueda para
comprender los mecanismos de la inteligencia, ha sido la piedra filosofal del trabajo de muchos
cientficos por muchos aos y lo sigue siendo.
Los mtodos tradicionales en Inteligencia Artificial que permitieron el desarrollo de los primeros
sistemas expertos y otras aplicaciones, ha ido de la mano de los avances tecnolgicos y las fronteras
se han ido expandiendo constantemente cada vez que un logro, considerado imposible en su
momento, se vuelve posible gracias a los avances en todo el mundo, generando incluso una nueva
mentalidad de trabajo que no reconoce fronteras fsicas ni polticas. Se entiende como un esfuerzo
comn.
De las diversas tcnicas, los sistemas expertos son la ms tradicional y la que tiene mayor
implantacin, especialmente en entidades financieras, que los utilizan para analizar el riesgo de
crdito etc., La mayor parte de los sistemas expertos estn basados en reglas de clasificacin, las
cuales se obtienen a partir de la experiencia acumulada por uno o varios expertos humanos. No
obstante, en los ltimos aos ha comenzado a aplicarse una nueva metodologa, los sistemas
basados en casos (case based reasoning), en los cuales el anlisis de cada nueva empresa se
realiza por aproximacin al caso ms parecido de los existentes en la base de conocimientos.
Las funciones que realiza un cerebro humano, son imitadas por la inteligencia artificial. Al igual que
las redes neuronales, se han formadas redes de comunidades que se relaciones a travs de la
electrnica, El Internet ayuda a mejorar las relaciones entre los grandes mercados del mundo, y es el
gran causante de la globalizacin.
La mayora de lo problemas a los que se van a aplicar los Algoritmos Genticos, son de naturaleza
no lineal, por lo que es mejor que sea la naturaleza sea nuestra gua para resolverlos. Aunque
intuitivamente pueda parecer la forma menos acertada.
Es importante entender que las herramientas de soporte a la toma de decisiones, son eso,
herramientas, y que la seleccin y uso, simplifican muchas operaciones y procesos en el negocio,
pero que los tomadores de decisiones son la piedra angular.
La inteligencia Artificial es una herramienta, que debe ser utilizada en todo tipo de organizacin ya sea en
el sector pblico o privado, para que sus ejecutivos tomen decisiones en forma oportuna y de manera
eficiente y la organizacin sea competitiva frente a la globalizacin y su entorno.
1.
2.
3.
4.
Bergmann, R. (1999) : "Developing Industrial Case Based Reasoning Applications. The INRECA
Methodology.", Berln, Alemania.
5.
Bonsn Ponte, E.; Escobar Rodrguez, T. y Martn Zamora, M.P. (1997b): "Decisin tree
induction systems. Applications in Accounting and Finance", en Sierra Molina, G. y Bonsn
Ponte, E. (Eds.): Intelligent Technologies in Accounting and Business, Huelva, pp. 191-211.
6.
7.
8.
9.
Martn Marn, J.L. (1984): "El diagnstico de las dificultades empresariales mediante modelos de
mercado de capitales", Boletn de Estudios Econmicos, n 123, diciembre, pp. 621-635.
WEB SITES
http://www.lfcia.org/~cipenedo/cursos/scx/Tema2/nodo2-1.html
http://www.monografias.com/trabajos11/compil/compil.shtml
http://es.wikipedia.org/wiki/Algoritmo
http://www.inf.udec.cl/revista/ediciones/edicion8/Rbc.pdf
http://www.lcc.uma.es/~eva/asignaturas/lic/apuntes/1
http://www.5campus.com/leccion/IA
http://www.rutgers.edu/accounting/raw/aaa/aiet
http://aepia.dsic.upv.es/revista/datos.html
http://www.go.to/inteligencia_artificial